偏差补偿符号子带自适应滤波器

自适应滤波器在系统辨识、回声消除、信道均衡等领域获得了广泛应用.符号子带自适应滤波器（Sign Subband Adaptive Filter,SSAF）具有较强的抗脉冲干扰能力,但当输入信号受到噪声干扰时,其对未知系统系数向量的估计会产生偏差.为了解决上述问题,本文基于无偏估计准则,提出了一种偏差补偿符号子带自适应滤波器（Bias-Compensated Sign Subband Adaptive Filter,BC-SSAF）.为了解决定步长自适应滤波器需要在收敛速度和稳态失调之间进行折中的问题,本文采用随机梯度法来更新正则化参数,提出了变正则化参数偏差补偿符号子带自适应滤波器（Variable Regularization Bias-Compensated Sign Subband Adaptive Filter,VR-BC-SSAF）.仿真结果验证了BC-SSAF和VR-BC-SSAF性能的优越性.     

一种变正则化矩阵的改进多带结构子带自适应滤波算法

定正则化因子的改进多带结构子带自适应滤波(IMSAF)算法在取得收敛速度快和稳态失调误差小之间存在冲突.根据系统噪声抵消原理,设定子带后验误差功率等于子带噪声功率,本文提出了变正则化矩阵的IMSAF算法来解决这一问题.仿真结果证明,所提算法可以同时达到收敛速度快、稳态失调误差小以及追踪速度快等优势.     

归一化子带自适应滤波器步长控制

定步长子带自适应滤波器必须在快的收敛速度和低的稳态失调之间进行折中。根据自适应滤波器系数向量均方偏差与步长之间的函数关系,该文采用使自适应滤波器系数向量均方偏差在每次迭代更新时最速下降的方法,提出一种步长控制算法来解决上述问题。该算法可以兼得快的收敛速度和低的稳态失调。实验结果验证了该方法的有效性。     

基于Lawson范数的通用lncosh稀疏自适应算法

该文提出一种通用稀疏系统识别Lawson-lncosh自适应滤波算法,该算法采用系数向量的Lawson范数和误差的lncosh函数构建代价函数.Lawson范数约束引入参数p,实现稀疏约束滤波动态调整,所提算法可以提高稀疏系统识别时的收敛速度,减小了稳态误差.误差的lncosh函数具有良好的抗脉冲噪声性能.然后,算法分...     

时变参数比例自适应滤波算法

在免提电话和视频会议系统中,自适应滤波器估计的回声路径通常是稀疏的.改进的比例归一化最小均方(IPNLMS)算法能够加快自适应滤波器在估计稀疏系统时的收敛速度,但与归一化最小均方(NLMS)算法相比,其稳态失调的波动性较大.为了解决这一问题,本文提出了一种时变参数IPNLMS(TV-IPNLMS)算法.该算法根据系统的均方误差(MSE)与噪声功率的比值,使用一个sigmoid函数来调整时变参数的值.该时变参数能够降低IPNLMS算法在滤波器到达稳态时的比例增益.仿真结果表明,时变参数方法能够降低IPNLMS算法稳态失调的波动性.该算法可用于回声消除、主动噪声控制等领域.     

稀疏自适应Volterra滤波的QRD-RLS算法

求解非线性问题时,非线性Volterra滤波的性能明显优于线性滤波;稀疏结构Voherra滤波器有效降低了Volterra滤波的工程应用复杂度;本文针对稀疏Volterra滤波,改进了基于QR分解的RLS算法,在更换滤波器抽头的时候保留了先前的数据信息,从而加速当前抽头的收敛,加快了滤波器核矢量的更新和替换.仿真结果表明改进的QRD-RKS算法具有快速自适应能力;一同验证了稀疏Volterra滤波的有效性.     

一种成比例系数的子带自适应啸叫抑制算法

啸叫现象会严重影响扩声系统性能.采用自适应滤波算法辨识反馈路径的方式进行啸叫抑制,将成比例系数的无延时多带结构子带自适应滤波(Proportionate Delayless Multiband-structured Subband Adaptive Filtering,PDM-SAF)算法应用到啸叫抑制系统中.该算法继承了子带自适应滤波算法收敛速度快的优点,并考虑到反馈路径的稀疏特性和系统对实时性的要求,采用成比例系数的步长控制和无延时的误差计算方法.仿真结果表明,当扩声系统的反馈路径具有稀疏特性时,PDMSAF算法可以加快自适应滤波的收敛和跟踪速度.     

基于无噪后验错误矢量信号能量的变正则因子仿射投影算法

变正则因子技术是提高仿射投影自适应算法性能的重要方法之一.由于环境噪声的影响,现有的变正则因子自适应算法收敛速度较慢且稳态误差较大,各种测量、评估误差的存在进一步恶化了算法性能.为提高自适应算法的跟踪性能,本文在分析无噪先验错误矢量、无噪后验错误矢量和额外均方错误间关系的基础上,提出通过最小化无噪后验错误矢量信号能量来推导自适应变正则因子表达式的方法.在实践应用中,该方法利用了测量噪声的统计方差特性,并提出一种更加光滑且更加容易控制的指数缩放因子评估方法.系统辨识的仿真结果表明本文方法与传统的变正则因子方法以及变步长方法相比有更快的收敛速度与更低的稳态误差.     

自适应时间正则化相关滤波的无人机目标跟踪

基于相关滤波的跟踪算法因其高效性,受到了无人机领域的密切关注.现有的跟踪算法使用固定的超参数进行滤波器的学习,无法满足无人机在跟踪过程中对复杂环境的适应性.针对该问题,提出了一种自适应正则化参数学习的相关滤波算法,将滤波器与时间正则化参数的学习描述为一个统一的目标函数;同时,该算法可通过响应图的全局变化量感知目标的变化情况,自适应更新目标模型.无人机视频数据集上的结果验证了所提算法对复杂无人机跟踪场景的适应性以及对跟踪性能提升的有效性.     

改进的NLMS算法及其在自适应预测中的应用

通过分析NLMS[1]和VSSLMS[7]两种算法控制时变步长的思想及这两种算法的优缺点,文章提出了一种改进的归一化变步长算法,它同时使用输入信号积累和瞬时误差来控制步长更新.该算法的优越性在于收敛速度快,尤其在系统跳变时也能快速收敛,可很好地应用于自适应预测系统中.理论分析与计算机仿真结果都表明该算法收敛速度快、失调量小、稳定性好, 且在低信噪比的环境中比其他同类算法有更好的性能.     

一种变步长LMS波束形成算法性能研究

智能天线的自适应算法通过迭代运算获取波束形成的最优权值矢量时,收敛速度和稳态误差是衡量一个算法是否优良的关键因素。它们的好坏直接影响着系统波束形成的性能。系统地分析了传统的最小均方（LMs）算法的收敛速度以及稳态误差的性能,在此基础上提出了一种新的变步长LMS算法,将此算法应用于波束形成,并用Matlab软件进行仿真。仿真结果表明,改进后的算法较传统LMS具有较快的收敛速度和较小的稳态误差。     

改进仿射投影算法及其在电子回声消除中的应用

在电子回声消除应用中,为提高自适应算法的收敛速度,提出一种改进的仿射投影算法及其快速实现形式.新算法利用回声路径的稀疏结构特征,通过收敛步长控制矩阵,按滤波器各系数幅值大小,等比例地为其指定相应收敛步长,以加快大系数收敛,最终达到加快滤波器整体收敛速度的目的.对新算法进行的统计学分析,为其快速收敛于目标系统的算法特性提供了理论依据.仿真实验表明与传统自适应算法相比,新算法能减小稳态失调并大幅提高收敛速度,其低计算复杂度亦保证了系统的实时性.     

A joint-optimization NSAF algorithm based on the first-order Markov model

Recently, the normalized subband adaptive filter (NSAF) algorithm has attracted much attention for handling colored input signals. Based on the first-order Markov model of the optimal weight vector, this paper provides some insights for the convergence of the standard NSAF. Following these insights, both the step size and the regularization parameter in the NSAF are jointly optimized by minimizing the mean-square deviation. The resulting joint-optimization step size and regularization parameter algorithm achieves a good tradeoff between fast convergence rate and low steady-state error. Simulation results in the context of acoustic echo cancelation demonstrate good features of the proposed algorithm.     

平方根变步长lp范数LMS算法的稀疏系统辨识

针对稀疏未知系统的辨识问题,提出了一种基于lp(0相似文献   

基于组合滤波算法IP电话的回声消除

网络之间互连的协议（IP,Internet Protocol）电话回声消除问题一直都是研究的热点,通常使用自适应滤波算法来消除回声,但其收敛速度和稳态失调之间的矛盾是回声消除需要解决的一个重要问题。研究一种组合比例自适应滤波算法,按照一定的比例组合两种具有一定互补性能的算法,能够有效解决收敛速度和稳态失调。通过MATLAB仿真分析,证明了组合比例自适应滤波算法具有更快的收敛速度和良好的稳态特性。     

Low-Complexity Non-Uniform Penalized Affine Projection Algorithm for Sparse System Identification

In this paper, an improved sparse-aware affine projection (AP) algorithm for sparse system identification is proposed and investigated. The proposed sparse AP algorithm is realized by integrating a non-uniform norm constraint into the cost function of the conventional AP algorithm, which can provide a zero attracting on the filter coefficients according to the value of each filter coefficient. Low complexity is obtained by using a linear function instead of the reweighting term in the modified AP algorithm to further improve the performance of the proposed sparse AP algorithm. The simulation results demonstrate that the proposed sparse AP algorithm outperforms the conventional AP and previously reported sparse-aware AP algorithms in terms of both convergence speed and steady-state error when the system is sparse.     

一种变步长proportionate NLMS自适应滤波算法及其在网络回声消除中的应用

 Proportionate自适应算法利用稀疏冲激响应的结构特征,极大地加速了算法的收敛速度。但是快速收敛与低稳态失调是一对矛盾的需求,固定步长算法必需折中选择一个步长参数来满足应用的要求。本文提出了一种适用于proportionate算法的变步长方法,有效解决了收敛速度和稳态失调之间的矛盾。所提的算法首先利用最小干扰原理,得到了一个proportionate NLMS算法的推导;进而将干扰信号考虑进算法的系数更新过程,通过在每一步迭代中用后验误差去补偿干扰信号的负面作用,得到一个新的优化准则;最后利用这个准侧,推导出了一个适用于proportionate算法的步长调节方法。仿真实验验证了本文方法的有效性。